Périphériques technologiques
IA
Réduisez les accidents de la route, améliorez la qualité de vie en ville et la « vague » de la conduite autonome arrive
Réduisez les accidents de la route, améliorez la qualité de vie en ville et la « vague » de la conduite autonome arrive
Les voitures autonomes peuvent cartographier avec précision leur environnement et surveiller l'emplacement et les conditions en temps réel des véhicules à proximité, des feux de circulation, des piétons, des marquages au sol, etc. Les recherches actuelles montrent que même si des améliorations significatives de chacun de ces sous-systèmes seront encore nécessaires pour parvenir à des voitures autonomes pleinement fonctionnelles et sûres, une fois ces améliorations franchies, non seulement les gens changeront la façon dont leur voiture fonctionne, mais ils découvriront également le les implications vont bien au-delà des voitures autonomes. Dans un récent rapport, le site bihebdomadaire américain Forbes envisage quatre façons dont les voitures autonomes devraient changer le monde futur.
Réduire les accidents de la route
Les données fournies par l'Organisation mondiale de la santé montrent qu'environ 1,3 million de personnes meurent chaque année dans des accidents de la route dans le monde, et ce nombre pourrait atteindre 2,2 millions de personnes en 2030. La plupart de ces accidents sont causés par le jugement humain. Causé par des erreurs. En outre, aux États-Unis, environ 32 personnes meurent chaque jour dans des accidents causés par des conducteurs ivres, ce qui signifie qu'une personne meurt presque toutes les 45 minutes. Aujourd’hui, les accidents de la route constituent la huitième cause de décès dans le monde.
Les voitures autonomes peuvent éviter les accidents de la route causés par des erreurs de conduite et réduire les cas de conduite en état d'ébriété, de conduite malveillante et d'autres comportements. Les capteurs et les caméras installés sur la carrosserie d'une voiture autonome peuvent l'aider à détecter ce qui l'attend, les conditions météorologiques défavorables et la probabilité que d'autres voitures se dirigent dans une direction particulière. Waymo, la filiale de voitures autonomes d'Alphabet, société mère de Google, a équipé ses voitures autonomes de cinquième génération de capteurs supplémentaires, notamment du lidar, des caméras à 360 degrés, etc. Ces équipements techniques aident le véhicule à réagir aux conditions météorologiques, le temps et d'autres facteurs similaires ajustent les conditions de conduite.
Si les voitures autonomes deviennent le principal mode de transport, le nombre de décès par accident de la route sera réduit de 94 %. Des recherches menées par des institutions étrangères montrent que si 90 % des voitures circulant sur les routes américaines étaient converties en voitures autonomes, le nombre de décès passerait de 33 000 à 11 300 par an.
La possession d'une voiture est en déclin
Posséder une voiture coûte beaucoup d'argent chaque année, mais la plupart des voitures restent la plupart du temps tranquillement sur le parking.
La plupart des voitures autonomes du futur fonctionneront probablement comme des véhicules partagés, appartenant principalement à des sociétés de véhicules partagés. En conséquence, le nombre de propriétaires de voitures diminuera, ce qui contribuera à réduire les problèmes de circulation et à économiser des places de stationnement inutiles. Le cabinet de conseil McKinsey estime que les voitures autonomes permettront d’économiser environ 61 milliards de pieds carrés d’espace de stationnement aux États-Unis.
Les voitures autonomes peuvent également permettre aux utilisateurs d'économiser de l'argent sur l'achat d'une voiture. Selon les données de l'Association nationale des concessionnaires automobiles, le prix moyen d'une voiture neuve pour les Américains est d'environ 30 000 dollars. IHS, une société américaine de recherche professionnelle sur l'automobile, estime que d'ici 2035, la technologie de conduite autonome pourra atteindre un niveau qui ne nécessitera aucun contrôle humain, et que son prix baissera encore à 3 000 dollars américains.
Les données fournies par l'Institut de recherche sur les transports de l'Université du Michigan montrent qu'une fois les voitures autonomes adoptées, le nombre de voitures aux États-Unis diminuera jusqu'à 43 %. Sebastian Thrun, expert en informatique à l'Université de Stanford aux États-Unis, a également souligné qu'une fois que les voitures autonomes seront devenues courantes, seulement 30 % des voitures seront nécessaires sur les routes.
En plus d'améliorer l'efficacité opérationnelle, les véhicules autonomes amélioreront également le rendement énergétique et l'efficacité d'utilisation des véhicules car ils sont optimisés en termes d'accélération, de freinage et de changement de vitesse. On s'attend à ce que d'ici 2050, le coût d'utilisation des véhicules urbains diminue de 40 %.
La logistique s'accélère vers l'automatisation
Les véhicules autonomes pourront également être utilisés pour livrer de la nourriture et des colis à l'avenir. Les voitures autonomes permettront aux entreprises de répondre rapidement et facilement aux besoins de leurs clients. Les voitures autonomes et les camions semi-autonomes peuvent être équipés de divers capteurs et caméras spéciaux pour identifier les objets et les adresses.
Par exemple, Uber est entré avec succès dans le secteur de la livraison de nourriture via UberEats ; et Cruise Automation, une filiale de General Motors, a également commencé à coopérer avec DoorDash pour explorer la livraison de nourriture autonome. En outre, l’armée américaine développe des chars autonomes et des véhicules autonomes capables de livrer de la nourriture, du carburant et des fournitures dans les zones de conflit, et la marine américaine développe également des véhicules autonomes capables d’éteindre les incendies sur les navires.
Améliorer l'habitabilité de la vie urbaine
La concentration de dioxyde de carbone dans l'atmosphère a été mesurée à 421 parties par million en 2022, soit 50 % de plus que les niveaux préindustriels. Aux États-Unis, les émissions de gaz à effet de serre des véhicules de tourisme représentent environ 16,4 % des émissions totales de gaz à effet de serre.
Avec le déploiement progressif des voitures autonomes, le nombre de véhicules sur les routes a été considérablement réduit, ce qui contribue à réduire les émissions de gaz à effet de serre et permet aux gens de respirer un air plus pur. Le cabinet de conseil McKinsey prédit que les voitures autonomes contribueront à réduire les émissions de gaz à effet de serre de 300 millions de tonnes par an, ce qui équivaut à la moitié des émissions de dioxyde de carbone de l'industrie aéronautique. Un rapport de KPMG montre que les voitures autonomes peuvent multiplier par cinq la capacité des autoroutes à accueillir des voitures. Une étude de l'Université du Texas à Austin montre que chaque voiture autonome peut remplacer environ 11 voitures conventionnelles et augmenter le kilométrage en fonctionnement de plus de 10 %. Cela signifie que les services de covoiturage ou les taxis basés sur le partage de véhicules réduiront considérablement les embouteillages et la dégradation de l'environnement, et amélioreront considérablement la qualité de vie des villes.
La vague de la conduite autonome se précipite déjà vers nous ! Le Boston Consulting Group prédit que d’ici 2035, les véhicules entièrement autonomes représenteront près d’un quart des ventes mondiales totales de voitures neuves, et qu’il y aura encore plus de véhicules autonomes utilisés dans des scénarios spécifiques. La conduite autonome apportera d’énormes changements dans la vie des gens. Cela ne vaut-il pas la peine d’être attendu ?
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Pourquoi le Gaussian Splatting est-il si populaire dans la conduite autonome que le NeRF commence à être abandonné ?
Jan 17, 2024 pm 02:57 PM
Écrit ci-dessus et compréhension personnelle de l'auteur Le Gaussiansplatting tridimensionnel (3DGS) est une technologie transformatrice qui a émergé dans les domaines des champs de rayonnement explicites et de l'infographie ces dernières années. Cette méthode innovante se caractérise par l’utilisation de millions de gaussiennes 3D, ce qui est très différent de la méthode du champ de rayonnement neuronal (NeRF), qui utilise principalement un modèle implicite basé sur les coordonnées pour mapper les coordonnées spatiales aux valeurs des pixels. Avec sa représentation explicite de scènes et ses algorithmes de rendu différenciables, 3DGS garantit non seulement des capacités de rendu en temps réel, mais introduit également un niveau de contrôle et d'édition de scène sans précédent. Cela positionne 3DGS comme un révolutionnaire potentiel pour la reconstruction et la représentation 3D de nouvelle génération. À cette fin, nous fournissons pour la première fois un aperçu systématique des derniers développements et préoccupations dans le domaine du 3DGS.
Comment résoudre le problème de la longue traîne dans les scénarios de conduite autonome ?
Jun 02, 2024 pm 02:44 PM
Hier, lors de l'entretien, on m'a demandé si j'avais posé des questions à longue traîne, j'ai donc pensé faire un bref résumé. Le problème à longue traîne de la conduite autonome fait référence aux cas extrêmes dans les véhicules autonomes, c'est-à-dire à des scénarios possibles avec une faible probabilité d'occurrence. Le problème perçu de la longue traîne est l’une des principales raisons limitant actuellement le domaine de conception opérationnelle des véhicules autonomes intelligents à véhicule unique. L'architecture sous-jacente et la plupart des problèmes techniques de la conduite autonome ont été résolus, et les 5 % restants des problèmes à longue traîne sont progressivement devenus la clé pour restreindre le développement de la conduite autonome. Ces problèmes incluent une variété de scénarios fragmentés, de situations extrêmes et de comportements humains imprévisibles. La « longue traîne » des scénarios limites dans la conduite autonome fait référence aux cas limites dans les véhicules autonomes (VA). Les cas limites sont des scénarios possibles avec une faible probabilité d'occurrence. ces événements rares
Choisir une caméra ou un lidar ? Une étude récente sur la détection robuste d'objets 3D
Jan 26, 2024 am 11:18 AM
0. Écrit à l'avant&& Compréhension personnelle que les systèmes de conduite autonome s'appuient sur des technologies avancées de perception, de prise de décision et de contrôle, en utilisant divers capteurs (tels que caméras, lidar, radar, etc.) pour percevoir l'environnement et en utilisant des algorithmes et des modèles pour une analyse et une prise de décision en temps réel. Cela permet aux véhicules de reconnaître les panneaux de signalisation, de détecter et de suivre d'autres véhicules, de prédire le comportement des piétons, etc., permettant ainsi de fonctionner en toute sécurité et de s'adapter à des environnements de circulation complexes. Cette technologie attire actuellement une grande attention et est considérée comme un domaine de développement important pour l'avenir des transports. . un. Mais ce qui rend la conduite autonome difficile, c'est de trouver comment faire comprendre à la voiture ce qui se passe autour d'elle. Cela nécessite que l'algorithme de détection d'objets tridimensionnels du système de conduite autonome puisse percevoir et décrire avec précision les objets dans l'environnement, y compris leur emplacement,
Avez-vous vraiment maîtrisé la conversion des systèmes de coordonnées ? Des enjeux multi-capteurs indispensables à la conduite autonome
Oct 12, 2023 am 11:21 AM
Le premier article pilote et clé présente principalement plusieurs systèmes de coordonnées couramment utilisés dans la technologie de conduite autonome, et comment compléter la corrélation et la conversion entre eux, et enfin construire un modèle d'environnement unifié. L'objectif ici est de comprendre la conversion du véhicule en corps rigide de caméra (paramètres externes), la conversion de caméra en image (paramètres internes) et la conversion d'image en unité de pixel. La conversion de 3D en 2D aura une distorsion, une traduction, etc. Points clés : Le système de coordonnées du véhicule et le système de coordonnées du corps de la caméra doivent être réécrits : le système de coordonnées planes et le système de coordonnées des pixels Difficulté : la distorsion de l'image doit être prise en compte. La dé-distorsion et l'ajout de distorsion sont compensés sur le plan de l'image. 2. Introduction Il existe quatre systèmes de vision au total : système de coordonnées du plan de pixels (u, v), système de coordonnées d'image (x, y), système de coordonnées de caméra () et système de coordonnées mondiales (). Il existe une relation entre chaque système de coordonnées,
Cet article vous suffit pour en savoir plus sur la conduite autonome et la prédiction de trajectoire !
Feb 28, 2024 pm 07:20 PM
La prédiction de trajectoire joue un rôle important dans la conduite autonome. La prédiction de trajectoire de conduite autonome fait référence à la prédiction de la trajectoire de conduite future du véhicule en analysant diverses données pendant le processus de conduite du véhicule. En tant que module central de la conduite autonome, la qualité de la prédiction de trajectoire est cruciale pour le contrôle de la planification en aval. La tâche de prédiction de trajectoire dispose d'une riche pile technologique et nécessite une connaissance de la perception dynamique/statique de la conduite autonome, des cartes de haute précision, des lignes de voie, des compétences en architecture de réseau neuronal (CNN&GNN&Transformer), etc. Il est très difficile de démarrer ! De nombreux fans espèrent se lancer dans la prédiction de trajectoire le plus tôt possible et éviter les pièges. Aujourd'hui, je vais faire le point sur quelques problèmes courants et des méthodes d'apprentissage introductives pour la prédiction de trajectoire ! Connaissances introductives 1. Existe-t-il un ordre d'entrée pour les épreuves de prévisualisation ? R : Regardez d’abord l’enquête, p
SIMPL : un benchmark de prédiction de mouvement multi-agents simple et efficace pour la conduite autonome
Feb 20, 2024 am 11:48 AM
Titre original : SIMPL : ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Lien article : https://arxiv.org/pdf/2402.02519.pdf Lien code : https://github.com/HKUST-Aerial-Robotics/SIMPL Affiliation de l'auteur : Université des sciences de Hong Kong et technologie Idée DJI Paper : cet article propose une base de référence de prédiction de mouvement (SIMPL) simple et efficace pour les véhicules autonomes. Par rapport au cent agent traditionnel
NuScenes dernier SOTA SparseAD : les requêtes clairsemées contribuent à une conduite autonome efficace de bout en bout !
Apr 17, 2024 pm 06:22 PM
Écrit à l'avant et point de départ Le paradigme de bout en bout utilise un cadre unifié pour réaliser plusieurs tâches dans les systèmes de conduite autonome. Malgré la simplicité et la clarté de ce paradigme, les performances des méthodes de conduite autonome de bout en bout sur les sous-tâches sont encore loin derrière les méthodes à tâche unique. Dans le même temps, les fonctionnalités de vue à vol d'oiseau (BEV) denses, largement utilisées dans les méthodes de bout en bout précédentes, rendent difficile l'adaptation à davantage de modalités ou de tâches. Un paradigme de conduite autonome de bout en bout (SparseAD) centré sur la recherche clairsemée est proposé ici, dans lequel la recherche clairsemée représente entièrement l'ensemble du scénario de conduite, y compris l'espace, le temps et les tâches, sans aucune représentation BEV dense. Plus précisément, une architecture clairsemée unifiée est conçue pour la connaissance des tâches, notamment la détection, le suivi et la cartographie en ligne. De plus, lourd
Parlons des systèmes de conduite autonome de bout en bout et de nouvelle génération, ainsi que de quelques malentendus sur la conduite autonome de bout en bout ?
Apr 15, 2024 pm 04:13 PM
Au cours du mois dernier, pour des raisons bien connues, j'ai eu des échanges très intensifs avec divers professeurs et camarades de classe du secteur. Un sujet inévitable dans l'échange est naturellement le populaire Tesla FSDV12 de bout en bout. Je voudrais profiter de cette occasion pour trier certaines de mes pensées et opinions en ce moment pour votre référence et votre discussion. Comment définir un système de conduite autonome de bout en bout et quels problèmes devraient être résolus de bout en bout ? Selon la définition la plus traditionnelle, un système de bout en bout fait référence à un système qui saisit les informations brutes des capteurs et génère directement les variables pertinentes pour la tâche. Par exemple, en reconnaissance d'images, CNN peut être appelé de bout en bout par rapport à la méthode traditionnelle d'extraction de caractéristiques + classificateur. Dans les tâches de conduite autonome, saisir les données de divers capteurs (caméra/LiDAR
